“聂飞平”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果45个，建议您升级VIP下载更多相关专利

[发明专利]一种基于自适应近邻图嵌入的无监督数据降维方法-CN202110216073.4有效
发明人：王靖宇;谢方园;聂飞平;李学龙 -专利权人：西北工业大学
申请日： 2021-02-26 - 公布日： 2023-09-19 - 主分类号： G06V40/16 文献下载
摘要：本发明涉及一种基于自适应近邻图嵌入的无监督数据降维方法，属于图像识别与分类和模式识别领域。包括数据预处理；构建近邻图并初始化；采用交替迭代优化目标函数；本发明还提出了一种基于上述数据降维方法的人脸识别方法，对人脸图像进行降维得到投影矩阵和低维数据，对低维数据采用无监督聚类算法进行聚类，得到各类别的聚类中心；根据待分类图像与各个聚类中心之间的欧式距离并取欧式距离最小的聚类中心，则该聚类中心所属的类别就是新人脸图像的类别。在低维空间内进行人脸识别，可以降低数据的存储量，减小数据的计算量，提高计算效率，最终提高人脸识别技术的实时性和识别精度。
一种基于自适应近邻嵌入监督数据方法

[发明专利]基于二部图割的快速大规模图像数据预处理方法及应用-CN202310419562.9在审
发明人：王靖宇;马振宇;聂飞平;李学龙 -专利权人：西北工业大学
申请日： 2023-04-19 - 公布日： 2023-08-01 - 主分类号： G06V10/762 文献下载
摘要：本发明涉及一种基于二部图割的快速大规模图像数据预处理方法及应用，将n张a×b规模的图像拉长并整合为一个图像数据矩阵对图像数据矩阵X执行下采样，得到二部图矩阵对F和G进行正交归一化得到离散归一化模型，通过交替迭代更新构建的F和G优化离散归一化的B、F和G模型；获取n个原始图像样本和m个图像锚点的预测标签，此时图像数据预处理过程结束。当预处理过程完成后，能够采用全样本聚类中心比对或图像锚点比对实现大规模样本外新图像数据检索。该方法不仅避免了奇异值分解松弛过程和离散后处理过程，减少了信息丢失，还通过离散坐标上升优化算法大幅减少了聚类时间，进而实现大规模数据预处理的高效性。
基于二部快速大规模图像数据预处理方法应用

[发明专利]雷达天线扫描方式的识别方法、装置、设备和存储介质-CN202310349378.1在审
发明人：王榕;王政;辛浩男;段昱;陆继韬;聂飞平;李学龙 -专利权人：西北工业大学
申请日： 2023-04-04 - 公布日： 2023-07-28 - 主分类号： G06F18/243 文献下载
摘要：本发明提供了一种雷达天线扫描方式的识别方法、装置、设备和可读存储介质。识别方法包括：对获取的信号数据进行预处理，得到处理后的脉冲幅度数据序列；挖掘预设特征脉冲幅度数据序列，以判断雷达天线扫描方式是机械扫描方式还是电子扫描方式；当为机械扫描方式时，提取预设特征脉冲幅度数据序列的预设特征；基于预先构建的分类模型，根据预设特征识别预设特征机械扫描方式中的具体扫描类型。本发明对雷达天线扫描方式的识别易于实现、自动化程度高、识别准确率高、稳定性好、实时性好。
雷达天线扫描方式识别方法装置设备存储介质

[发明专利]一种基于判别性嵌入投影模糊聚类的鲁棒图像聚类方法-CN202310394656.5在审
发明人：王靖宇;张欣茹;聂飞平;李学龙 -专利权人：西北工业大学
申请日： 2023-04-13 - 公布日： 2023-07-04 - 主分类号： G06V10/762 文献下载
摘要：本发明公开了一种基于判别性嵌入投影模糊聚类的鲁棒图像聚类方法，属于图像识别与分类和模式识别领域。针本发明采用基于判别性嵌入投影模糊聚类的鲁棒图像聚类方法，将最优子空间投影学习嵌入模糊聚类算法进行优化，在去除冗余特征的同时嵌入判别性学习，有效增强了样本在投影最优子空间的类间判别性，从而抑制噪声污染情况下聚类性能降级。此外，受熵度量的启发，设计了基于最大熵原理的正则化项，构建动态信息熵图更新样本隶属度等级分配，以挖掘数据更可靠的自然类别划分。本发明在鲁棒聚类的同时自适应识别噪声污染的图像数据，并消除其影响，对噪声污染图像数据具有较高的鲁棒性，有效提升对噪声污染数据的聚类性能。
一种基于判别嵌入投影模糊图像方法

[发明专利]雷达天线扫描周期的测算方法、装置、设备和存储介质-CN202310313804.6在审
发明人：王榕;王政;唐浩量;段昱;张润鑫;聂飞平;李学龙 -专利权人：西北工业大学
申请日： 2023-03-28 - 公布日： 2023-06-23 - 主分类号： G01S7/40 文献下载
摘要：本发明提供了一种雷达天线扫描周期的测算方法、装置、设备和可读存储介质。测算方法包括：对获取的雷达天线扫描数据进行归一化处理，获得脉冲幅度数据序列；对脉冲幅度数据序列进行重采样，获得初始重采样数据序列；采用差值算法对初始重采样数据序列进行信号填充和拟合，获得目标重采样数据序列；挖掘并提取目标重采样数据序列的预设信号描述特征参数，并根据预设信号描述特征参数进行信号重建，以获得重建的雷达天线扫描数据；根据重建的雷达天线扫描数据，获得雷达天线扫描周期的初始测算值；采用能量重心校正算法对雷达天线扫描周期的初始测算值进行修正，获得雷达天线扫描周期的目标测算值。本发明的测算方法易于实现且测算精度高。
雷达天线扫描周期测算方法装置设备存储介质

[发明专利]一种基于最大熵模糊聚类的高光谱图像鲁棒波段选择方法-CN202310259701.6在审
发明人：王靖宇;张欣茹;聂飞平;李学龙 -专利权人：西北工业大学
申请日： 2023-03-16 - 公布日： 2023-06-23 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及一种最大熵模糊聚类的高光谱图像鲁棒波段选择方法，属于模式识别领域技术领域。构建了动态信息熵图Y降低算法对初始化聚类中心的敏感性，在此基础上将“样本‑聚类质心”最小二乘项度量函数修改为基于l2,1范数的全局鲁棒性度量方式，来进一步提高算法对噪声数据的鲁棒性。所设计方法可以严格保证收敛至最优解，同时提升运算效率因而具有更强的泛化性能，从而可以提升对噪声污染高光谱图像波段选择的鲁棒性。
一种基于最大模糊光谱图像波段选择方法

[发明专利]一种基于二部图协同聚类的直接快速图像聚类方法-CN202211275713.X在审
发明人：王靖宇;刘明清;聂飞平;李学龙 -专利权人：西北工业大学
申请日： 2022-10-18 - 公布日： 2023-01-31 - 主分类号： G06V10/762 文献下载
摘要：本发明涉及一种基于二部图协同聚类的直接快速图像聚类方法，基于谱聚类的协同聚类方法因构建图拉普拉斯矩阵、进行特征值分解或奇异值分解会导致高时间复杂度，以及聚类结果需要进一步处理才能得到明确类别分布的问题，本发明提出了一种基于二部图协同聚类的直接快速图像聚类方法，通过引入锚点消除了基于谱聚类的方法对于图拉普拉斯矩阵的依赖，降低了算法的计算复杂度和空间复杂度。求解优化过程中使用了二步交替优化求解，借助坐标下降的思想直接解决原始正则化切图问题，迭代求解二值数据点标签矩阵和二值锚点标签矩阵，不需要进行特征值分解或奇异值分解，极大提高了优化速度，能够直接得到最终的聚类结果，可以直接快速实现协同聚类。
一种基于二部协同直接快速图像方法

[发明专利]一种基于二部图嵌入和判别信息的快速图像聚类方法-CN202211275997.2在审
发明人：王靖宇;郭圣昭;聂飞平;李学龙 -专利权人：西北工业大学
申请日： 2022-10-18 - 公布日： 2023-01-31 - 主分类号： G06V10/762 文献下载
摘要：本发明涉及一种基于二部图嵌入和判别信息的快速图像聚类方法，针对谱聚类算法中特征值分解与相似度矩阵构造所需的时空复杂度较高，低维特征空间嵌入与标签学习相互独立且缺乏判别信息的问题，本发明提出了一种基于二部图嵌入和判别信息的快速图像聚类方法，结合锚点构建二部图并采用坐标下降的优化方法代替特征值分解与后处理以降低数据存储难度，提高数据处理速度。除此以外，本发明同时进行子空间学习以及标签学习，能够保持数据局部特征并充分利用判别信息。因此可以实现对大规模、高纬度图像数据快速、高效的聚类分析。
一种基于二部嵌入判别信息快速图像方法

[发明专利]一种基于自加权结构化特征选择的雷达辐射源信号精细化特征识别方法-CN202211179832.5在审
发明人：王政;袁永金;王榕;聂飞平;李学龙 -专利权人：西北工业大学
申请日： 2022-09-26 - 公布日： 2022-12-27 - 主分类号： G01S7/02 文献下载
摘要：本发明涉及一种基于自加权结构化特征选择的雷达辐射源信号精细化特征识别方法，采集不用型号雷达设备发射的信号数据，对原始数据进行信号数据预处理、归一化处理，构建基于自加权结构化特征选择的雷达辐射源信号精细化特征识别模型，使用辐射源信号数据在上述模型上进行运行测试，对得到的识别结果进行输出，从而得到识别的雷达辐射源信号的类型。采用机器学习中的无监督特征选择为基础进行识别，避免了深度学习中神经网络的构建和数据训练过程。极大降低了模型中的超参的数目，避免了超参的调整，使得模型在实际情况下易于实现。
一种基于加权结构特征选择雷达辐射源信号精细识别方法

[发明专利]一种基于模糊局部判别分析的数据降维方法-CN202210673065.7在审
发明人：王靖宇;尹恒姮;聂飞平;李学龙 -专利权人：西北工业大学
申请日： 2022-06-14 - 公布日： 2022-10-11 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于模糊局部判别分析的数据降维方法，构建数据矩阵、标签矩阵并进行数据预处理，建立基于模糊局部判别分析的数据降维模型，求解数据降维模型，取最后一次迭代得到的矩阵作为最终投影矩阵，则降维后的数据矩阵为将去中心化得到最终的投影结果Z。本发明降低计算复杂度和参数冗余度，同时保留每个类别的聚类结构。该算法在最优子空间中对每个类别进行模糊聚类，以适应同一类别的多模态数据，克服噪声和冗余特征的影响。此外，通过引入正则化最大总体散度，对投影矩阵施加正交约束，增强算法对数据的全局信息表征能力。
一种基于模糊局部判别分析数据方法

[发明专利]一种基于数据挖掘的鲁棒半监督图像分类方法-CN202210718517.9在审
发明人：王靖宇;陈城;聂飞平;李学龙 -专利权人：西北工业大学
申请日： 2022-06-13 - 公布日： 2022-09-30 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种基于数据挖掘的鲁棒半监督图像分类方法，将包含n个a×b像素规模图像的数据集拉长为一个图像数据矩阵，在降维处理后原始数据矩阵X的基础上，提出基于数据挖掘的鲁棒半监督图像分类模型：交替迭代优化构建得到的目标函数，对模型进行训练，从而得到分类器W和无标签数据的隶属度F。利用训练得到的W，入公式得到测试集中各样本对每类的隶属度，每个样本隶属度最大值所在列数即为该样本所属的类别，从而完成对测试集数据进行分类。本发明充分利用数据，得到更符合实际的结果；图像数据处理效率显著提升。因此，本发明在实际工程应用中的实用性更强。采用隶属度大小表征样本所属类别，受边界点的影响较小，鲁棒性较强。
一种基于数据挖掘鲁棒半监督图像分类方法

[发明专利]电磁辐射源信号的识别方法、装置及电子设备-CN202210646867.9在审
发明人：王政;袁永金;聂飞平;王榕;李学龙 -专利权人：西北工业大学
申请日： 2022-06-09 - 公布日： 2022-09-30 - 主分类号： G06K9/00 文献下载
摘要：本发明实施例公开了一种电磁辐射源信号的识别方法、装置及电子设备。该方法包括：接收一个电磁辐射源信号作为输入；对电磁辐射源信号进行数据预处理，得到预处理后的电磁辐射源信号；基于无监督结构化稀疏投影学习的目标函数对预处理后的电磁辐射源信号进行处理，得到目标正交投影矩阵；依据特征子集使用分类识别模型对电磁辐射源信号进行识别，得到电磁辐射源信号的所属类别；将电磁辐射源信号的所属类别作为分类结果进行输出。通过本发明，解决了相关技术中对电磁辐射源信号的识别效果较差的技术问题，达到了有效提高特征提取精度和提升识别性能的技术效果。
电磁辐射源信号识别方法装置电子设备

[发明专利]一种基于模糊聚类的图像鲁棒聚类方法-CN202210665911.0在审
发明人：王靖宇;张欣茹;聂飞平;李学龙 -专利权人：西北工业大学
申请日： 2022-06-13 - 公布日： 2022-09-30 - 主分类号： G06V10/762 文献下载
摘要：本发明涉及一种基于模糊聚类的图像鲁棒聚类方法，在聚类图像数据的同时，筛选出被噪声污染的图像，保留了纯净无污染的图像数据，对噪声变化具有较高的鲁棒性。并且本发明是一种无监督的算法，不需要用到标签数据，减小了大量的获取标签数据所用到的时间。算法在求解过程中不需要更新图矩阵，因此降低了算法的计算复杂度，加快了运算速度。因此可以实现对被噪声污染图像进行快速、有效且鲁棒的聚类。本发明可以通过迭代优化目标函数的正则化参数，自适应地计算出每个样本相应正则化参数，的在应用过程中极大地降低了调节正则化参数难度，节省了人力成本，在鲁棒地筛选出被噪声污染图像数据同时，提高了图像聚类准确度。
一种基于模糊图像鲁棒聚类方法

[发明专利]一种基于模糊聚类的全局子空间人脸图像聚类方法-CN202210666663.1在审
发明人：王靖宇;王艺頔;聂飞平;李学龙 -专利权人：西北工业大学
申请日： 2022-06-13 - 公布日： 2022-09-30 - 主分类号： G06V40/16 文献下载
摘要：本发明涉及一种基于模糊聚类的全局子空间人脸图像聚类方法，将包含n个a×b像素规模的数据集拉长为一个数据矩阵，在得到预处理后图像数据矩阵X的基础上，构建基于模糊聚类的子空间人脸图像聚类模型：交替迭代优化构建得到的目标函数，通过Y和W,M的交替优化可以得到目标函数收敛后的隶属度矩阵Y和低维投影矩阵W，Z＝WTX为原始样本经过降维得到的低维数据矩阵。对隶属度矩阵Y按行选取最大值所在列，即可得到最后的聚类结果。本发明图像数据处理效率显著提升，将模糊聚类思想引入到低维子空间中，保持了数据的全局结构，并直接探索了低维子空间中最不相关的数据，避免了对数据进行降维操作，可以很好地处理高维度数据集。
一种基于模糊局子空间图像方法

[发明专利]一种基于距离图优化的人脸图像聚类方法-CN202210552434.7在审
发明人： 聂飞平;张宇泽;裴申飞 -专利权人：西北工业大学
申请日： 2022-05-19 - 公布日： 2022-08-19 - 主分类号： G06V40/16 文献下载
摘要：本发明涉及一种基于距离图优化的人脸图像聚类方法。首先，利用数据点对间的欧式平方距离构建数据间相似性的距离图，并引入正则项惩罚来平衡数据间潜在噪声对数据间相似性刻画的误差；然后，以最小化数据点对间的平均距离和为优化目标采用坐标下降的策略进行优化求解，得到人脸图像的划分簇结果，从而实现人脸图像的聚类。本发明较好地挖掘和利用了数据点间的相似性信息，具备控制聚类簇结果平衡性和优化求解自然的创新性优势，能够进一步提高人脸图像的聚类性能，使得聚类结果更符合实际应用的需求。
一种基于距离优化图像方法

1
2
3
下一页»
尾页
共 45 条